XNews

Browser Use与苦涩的教训:为浏览器代理简化框架

Browser Use与苦涩的教训:为浏览器代理简化框架

Browser Use联合创始人Greg PR分享了两年来的演变教训:随着模型变得更强大,框架应该被简化。团队从预定义操作转向让代理编写JavaScript,然后赋予它们原始CDP访问权限。这使得Opus 4.8的令牌消耗减少了60%,并提高了可靠性,遵循了Sutton在浏览器代理领域的苦涩教训。

Key insights

从预定义操作到原始CDP的演变

Browser Use最初使用人类定义的状态和动作空间(点击、输入、滚动)。2025年,他们引入了JavaScript执行和持久化笔记本,使代理能够编写程序。随后,他们移除了预定义的状态提取,让代理直接访问CDP以决定观察内容。最后一步是重用现有的编码代理框架(Pi、Codex、OpenCode),而不是构建自定义循环。

关键证据:令牌减少与可靠性提升

用单一的browser_exec工具替换12个浏览器工具,使Opus 4.8的令牌消耗减少了60%,Kimi K3减少了66%,同时两者都完成了全部18/18次任务运行。这表明赋予代理更多自由(编写代码)能够同时提升效率和可靠性。团队还发现,CDP可以穿透Playwright定位器无法进入的封闭影子根。

代理框架设计的三个原则

文章提炼出三个可迁移的原则:重用经过验证的代理框架;暴露模型能够良好使用的最简单的底层接口;让模型自行选择观察和动作。作者指出这适用于所有代理领域(浏览器、计算机、文本、音乐)。这与2026年行业共识——最小化框架工程——相一致。

Source posts